题名 | 电能质量扰动信号的检测与识别方法研究 |
作者 | 曹娟 |
答辩日期 | 2017 |
导师 | 郝晓弘 |
关键词 | 电能质量 扰动检测 扰动识别 小波变换 S变换 支持向量机 多标签分类 |
学位名称 | 硕士 |
英文摘要 | 随着科技的迅速发展,越来越多的电子设备以及精密仪器应用到生活中。它们不仅对电能质量提出了更高的要求,也给电能质量带来了很多的不良影响,社会的经济发展和人民的生活水平都与电能质量的好坏有着密切的联系。因此,对电能质量的检测识别以及治理势在必行,也得到国内外学者越来越多的关注。本文针对电能质量扰动信号问题,深入研究了基于小波变换和多分辨率S变换相结合的检测算法和基于复高斯小波核函数的多标签排位小波支持向量机的识别算法,为后续对电能质量问题进行治理奠定了基础。首先,针对电能质量扰动信号分类时间较长的问题,提出了基于小波变换和多分辨率S变换相结合的检测算法。该算法将小波变换的多尺度分析优势与多分辨率S变换识别较灵活优点相结合。对原始扰动信号进行小波变换以得到高频分量和低频分量,并只对需所得的低频分量进行多分辨率S变换以提取特征向量。这样,不仅保证了原始信号的特征信息,而且得到的S变换模矩阵维数只有原始信号直接做S变换的模矩阵维数的四分之一。因此,本文所提检测算法既能保证电能质量扰动信号的分类识别准确率,又可以大幅提高分类识别效率。其次,本文针对复合电能质量扰动信号分类问题,提出了基于复高斯小波核函数的多标签排位小波支持向量机(Rank-Wavelet Support Vector Machine,Rank-WSVM)识别算法。该算法将小波技术与多标签排位支持向量机(Rank-SVM)结合,用复高斯小波核取代原有的支持向量核,利用复高斯小波核的优良特性提高分类器的整体性能。该方法既适用于单一扰动分类,也适用于复合扰动的分类,且具有良好抗噪性和较高识别准确率。最后,对本文提出的电能质量检测与识别方法进行仿真,并将其运用到实测扰动信号数据的分类中,通过仿真和实测分类表明本文提出算法的有效性和可行性。 |
语种 | 中文 |
页码 | 60 |
URL标识 | 查看原文 |
内容类型 | 学位论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/92737] |
专题 | 兰州理工大学 |
作者单位 | 兰州理工大学 |
推荐引用方式 GB/T 7714 | 曹娟. 电能质量扰动信号的检测与识别方法研究[D]. 2017. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论